Core Concepts
時間変動するサンプルサイズを使用した差分プライベート分散型確率最適化アルゴリズムの収束と差分プライバシーの同時確立。
Abstract
この論文では、時間変動するサンプルサイズを使用した差分プライベート分散型確率最適化アルゴリズムについて提案されています。主な貢献は次の通りです:
出力および勾配摂動の場合に、無限回の反復に対して有限累積プライバシーバジェットεでの収束と差分プライバシーが同時に確立される。
適切なリャープノフ関数を選択することで、アルゴリズムはほぼ必ずしも平均二乗収束を達成し、追加されたプライバシーノイズがアルゴリズムの収束速度にどのように影響するかを示す。
この論文は問題設定から始まり、差分プライバシーと収束解析を提供し、具体的なアルゴリズムや数値例も含まれています。
問題設定:
分散型確率最適化問題を考慮し、各エージェントが独自のコスト関数を持つ。
通信トポロジーは連結であり、パッシブ攻撃者が存在する。
差分プライバシー:
リョウピュニョフ関数を正しく選択することでε-differentially private性質が満たされる。
アウトプット摂動法によってε-differentially private性質が実現される。
収束解析:
Lyapunov関数候補V(Yk, Uk)が導入され、その収束性能が詳細に説明される。
アルゴリズム1の平均二乗およびほぼ必ずしも平均収束性能が示される。